基于改进NSGAII的柔性作业车间动态事件调度方法技术

本发明专利技术涉及一种基于改进NSGAII的柔性作业车间动态事件调度方法，属于生产调度技术领域，包括：建立模型，将作业的最大完工时间、总机器负载和能耗成本作为模型的目标函数；确定调度约束条件：工序约束、机器约束、时间约束、功率总和上限约束；基于改进NSGAII得到最优调度；执行最优调度，监测执行情况；若没有动态事件发生，转到S9，否则转到S6；确定动态事件发生时间及类型，更新机器状态；根据重新安排策略产生重新调度种群；将S7产生的重调度种群作为初始种群，转到S3；作业执行完毕，调度结束。本发明专利技术能够快速有效地得到较优的调度方案，减少作业的最大完工时间，提高生产效率且有效缩减柔性制造生产的能耗成本。柔性制造生产的能耗成本。柔性制造生产的能耗成本。

【技术实现步骤摘要】
基于改进NSGAII的柔性作业车间动态事件调度方法


[0001]本专利技术涉及一种基于改进NSGAII的柔性作业车间动态事件调度方法，属于生产调度


技术介绍

[0002]柔性作业车间调度问题(FJSP)是车间调度的一种典型问题。与经典的流水作业车间相比，柔性作业车间最大的特征就是每道工序都可以在不同的机器上加工，从而降低了工序对机器资源的竞争，但随着车间具有相同功能机器的增加，对于稍大规模的调度问题，想要在较短时间内得到最优解是非常困难的。在现实生产过程中，车间生产是动态的，并受到一些不可预见的中断或需求影响，若没有及时有效地恢复生产，则会极大地影响生产效率，延迟交货时间。因此，选用合适的重调度策略和算法进行求解排产也变得至关重要。

技术实现思路

[0003]本专利技术的目的是提供一种基于改进NSGAII的柔性作业车间动态事件调度方法，对及时有效地恢复生产且尽可能地减小资源浪费和提高生产效率有重要作用，还可以有效缩减柔性制造生产的能耗成本。
[0004]为了实现上述目的，本专利技术采用的技术方案是：
[0005]一种基于改进NSGAII的柔性作业车间动态事件调度方法，包括以下步骤：
[0006]S1、建立考虑机器故障、紧急插单和故障机器恢复运转的动态事件的柔性作业车间生产调度管控模型，将作业的最大完工时间、总机器负载和能耗成本作为柔性作业车间生产调度管控模型的目标函数；
[0007]S2、确定调度的约束条件，包括工序约束、机器约束、时间约束、功率总和上限约束；
[0008]S3、基于改进的NSGAII得到最优调度；
[0009]S4、执行最优调度，监测执行情况；
[0010]S5、若没有动态事件发生，转到步骤S9，否则，转到步骤S6；
[0011]S6、确定动态事件发生时间及类型，更新机器状态；
[0012]S7、根据提出的重新安排策略产生重新调度种群；
[0013]S8、将S7产生的重调度种群作为初始种群，转到步骤S3；
[0014]S9、作业执行完毕，调度结束。
[0015]本专利技术技术方案的进一步改进在于：所述步骤S3的具体步骤为：
[0016]S3.1、初始化种群，当初始种群为非重调度种群时，采用两段式编码的方式表示染色体信息，第一段为工序编码OS，用来确定工件的加工顺序；第二段为机器编码串MS，用来表示工序分配到的机器，随机产生种群规模为N的种群；当初始种群为重调度种群时，省略此步骤；
[0017]S3.2、利用对立学习策略，产生一个相反种群；
[0018]S3.3、将初始种群与其对立学习后的种群进行合并，种群规模为2N；
[0019]S3.4、给每个工序随机分配可用机器，对应产生机器向量、对应时间向量和能耗向量；
[0020]S3.5、通过解码，计算每个个体的最大完工时间、能耗成本；
[0021]S3.6、对合并后的种群进行快速非支配排序和拥挤度计算；
[0022]S3.7、采用锦标赛和精英选择策略选择得到父代种群，种群规模为N；
[0023]S3.8、种群迭代次数加1；
[0024]S3.9、计算自适应交叉、变异概率；
[0025]S3.10、进行选择、交叉、变异操作，得到子代种群，种群规模为N；
[0026]S3.11、利用对立学习策略，对子代种群进行对立学习，产生相反种群；
[0027]S3.12、将子代种群与其对立学习后的相反种群进行合并，种群规模为2N；
[0028]S3.13、通过解码，计算每个个体的最大完工时间、能耗成本；
[0029]S3.14、对合并后的种群进行快速非支配排序和拥挤度计算；
[0030]S3.15、采用锦标赛和精英选择策略选择新的子代种群，种群规模为N；
[0031]S3.16、将父代种群与子代种群进行合并，种群规模为2N；
[0032]S3.17、对合并后的种群进行快速非支配排序和拥挤度计算；
[0033]S3.18、采用锦标赛和精英选择策略选择新的父代种群，种群规模为N；
[0034]S3.19、判断种群迭代次数是否达到设定值，若达到设定值则结束程序，若没有达到设定值，转到步骤S3.8。
[0035]本专利技术技术方案的进一步改进在于：所述步骤S3.2的具体步骤为：
[0036]首先根据开路贪婪反向算法计算一个个体的每个节点的相反节点，即当个体的节点n
i
为奇数时，它的相反节点索引为当个体的节点n
i
为偶数时，它的相反节点索引为
[0037]然后种群中的每个个体都根据每个节点的相反节点，重新进行工序排列，生成对立个体，从而生成对立学习后的种群。
[0038]本专利技术技术方案的进一步改进在于：所述步骤S3.5的具体步骤为：
[0039]在全主动调度解码机制的基础上进行全主动调度解码过程中的主动调度步骤时，为每个工序寻找该工序的可选机器中在此工序前是否存在可以插入的且可插入的开始时间最小的时间间隙，并使插入后当前最大完工时间小于未插入前的最大完工时间；若发生工序前插，那么在此工序后面的工序要根据当前的工件完成时间和机器完成时间情况按照使当前最大完工时间最小的原则重新选择机器，并重新进行半主动调度；
[0040]根据解码后的结果以及每个工序所选的机器和在所选机器上对应的处理时间、能耗，计算该个体的最大完工时间和能耗成本。
[0041]本专利技术技术方案的进一步改进在于：所述步骤S3.9的具体步骤为：
[0042]首先选择设定交叉概率和变异概率的最大值和最小值；设Ra_Fitness
i,j
是第i个个体的相对适应度值，Ra_Fitness
max
和Ra_Fitness
min
分别是种群中的最大相对适应度值和最小相对适应度值；然后，第i个个体的交叉概率计算方法为：
[0043][0044]其中，CP为交叉概率，MP为变异概率，CP
max
和MP
max
分别为交叉概率和变异概率的最大值，CP
min
和MP
min
分别为交叉概率和变异概率的最小值，ε是一个很小的实数，防止分母为零；第i个个体的变异概率计算方法为：
[0045][0046]其中，设定CP
max
＝0.9，CP
min
＝0.6，MP
max
＝0.25，MP
min
＝0.06，设在进行快速非支配排序后，得到分配的等级个数为R，种群大小为Size_pop，每个等级的个体数为f
i
(其中i＝0，1，
…
，R
‑
1)；设相对适应度值为Ra_Fitness
0,0
＝Size_pop，则每个等级中的每个体的相对适应度值Ra_Fitness本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进NSGAII的柔性作业车间动态事件调度方法，其特征在于包括以下步骤：S1、建立考虑机器故障、紧急插单和故障机器恢复运转的动态事件的柔性作业车间生产调度管控模型，将作业的最大完工时间、总机器负载和能耗成本作为柔性作业车间生产调度管控模型的目标函数；S2、确定调度的约束条件，包括工序约束、机器约束、时间约束、功率总和上限约束；S3、基于改进的NSGAII得到最优调度；S4、执行最优调度，监测执行情况；S5、若没有动态事件发生，转到步骤S9，否则，转到步骤S6；S6、确定动态事件发生时间及类型，更新机器状态；S7、根据提出的重新安排策略产生重新调度种群；S8、将S7产生的重调度种群作为初始种群，转到步骤S3；S9、作业执行完毕，调度结束。2.根据权利要求1所述的一种基于改进NSGAII的柔性作业车间动态事件调度方法，其特征在于：所述步骤S3的具体步骤为：S3.1、初始化种群，当初始种群为非重调度种群时，采用两段式编码的方式表示染色体信息，第一段为工序编码OS，用来确定工件的加工顺序；第二段为机器编码串MS，用来表示工序分配到的机器，随机产生种群规模为N的种群；当初始种群为重调度种群时，省略此步骤；S3.2、利用对立学习策略，产生一个相反种群；S3.3、将初始种群与其对立学习后的种群进行合并，种群规模为2N；S3.4、给每个工序随机分配可用机器，对应产生机器向量、对应时间向量和能耗向量；S3.5、通过解码，计算每个个体的最大完工时间、能耗成本；S3.6、对合并后的种群进行快速非支配排序和拥挤度计算；S3.7、采用锦标赛和精英选择策略选择得到父代种群，种群规模为N；S3.8、种群迭代次数加1；S3.9、计算自适应交叉、变异概率；S3.10、进行选择、交叉、变异操作，得到子代种群，种群规模为N；S3.11、利用对立学习策略，对子代种群进行对立学习，产生相反种群；S3.12、将子代种群与其对立学习后的相反种群进行合并，种群规模为2N；S3.13、通过解码，计算每个个体的最大完工时间、能耗成本；S3.14、对合并后的种群进行快速非支配排序和拥挤度计算；S3.15、采用锦标赛和精英选择策略选择新的子代种群，种群规模为N；S3.16、将父代种群与子代种群进行合并，种群规模为2N；S3.17、对合并后的种群进行快速非支配排序和拥挤度计算；S3.18、采用锦标赛和精英选择策略选择新的父代种群，种群规模为N；S3.19、判断种群迭代次数是否达到设定值，若达到设定值则结束程序，若没有达到设定值，转到步骤S3.8。3.根据权利要求2所述的一种基于改进NSGAII的柔性作业车间动态事件调度方法，其
特征在于：所述步骤S3.2的具体步骤为：首先根据开路贪婪反向算法计算一个个体的每个节点的相反节点，即当个体的节点n
i
为奇数时，它的相反节点索引为当个体的节点n
i
为偶数时，它的相反节点索引为然后种群中的每个个体都根据每个节点的相反节点，重新进行工序排列，生成对立个体，从而生成对立学习后的种群。4.根据权利要求2所述的一种基于改进NSGAII的柔性作业车间动态事件调度方法，其特征在于：所述步骤S3.5的具体步骤为：在全主动调度解码机制的基础上进行全主动调度解码过程中的主动调度步骤时，为每个工序寻找该工序的可选机器中在此工序前是否存在可以插入的且可插入的开始时间最小的时间间隙，并使插入后当前最大完工时间小于未插入前的最大完工时间；若发生工序前插，那么在此工序后面的工序要根据当前的工件完成时间和机器完成时间情况按照使当前最大完工时间最小的原则重新选择机器，并重新进行半主动调度；根据解码后的结果以及每个工序所选的机器和在所选机器...

【专利技术属性】
技术研发人员：马锴，李曼，杨婕，郭士亮，
申请(专利权)人：燕山大学，
类型：发明
国别省市：